论文部分内容阅读
以0.1～10 Hz带通滤波后三分向矢量合成地震动峰值PGA与PGV为预测目标参数,利用日本K-net强震台网P波触发后3 s数据,基于人工智能中的经典机器学习方法-支持向量机,选取加速度幅值P_a、速度幅值P_v、位移幅值P_d、傅里叶谱幅值AM_(max)、速度平方积分IV2、破坏烈度DI、累积绝对速度CAV、阿里亚斯烈度I_a这8种特征参数构建地震动峰值预测模型。结果表明,对比常规的P_d预测模型,建立的支持向量机PGA与PGV预测模型,在测试数据集及随机选取2次震例数据集上计算得到的预测值与